今天是栈与队列的最后一天,学习了队列的一些经典应用,单调队列和优先级队列(小顶堆,大顶堆)。通过第二题,熟悉了map的方法操作和优先队列的方法操作。
这一题一开始是想着使用暴力解法,遍历加排序,但是时间复杂度会比较高。这里学习了单调队列的使用方法,单调队列不是一种固定的结构,根据不同问题,来定制队列的push,pop操作。这里单调队列基于双端队列Deque实现,保持队列中第一个元素最大,然后单调递减,每次取最大值时,只需要保存第一个元素即可。这里一个小技巧,因为在pop和push过程中,可能会考虑窗口的问题,弹出之后,要怎么来保持窗口的移动和大小。这里加入队列中的不是数组元素,而是数组的下标,通过数组下标可以判断其在不在窗口中,然后再进行pop或者push操作。
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
ArrayDeque<Integer> deque=new ArrayDeque<>();
int n=nums.length;
int[] res=new int[n-k+1];
int index=0;
for(int i=0;i<n;i++){
//首先保证单调队列头部元素在[i-k+1,i]范围内,保证单调队列中元素在滑动窗口内
while(!deque.isEmpty()&&deque.peek()<i-k+1){
deque.removeFirst();
}
//然后保证单调队列头部元素最大,这样才好直接取最大值,同时要保持单调
//若新加入的元素大于队列尾部元素则,直接弹出
while(!deque.isEmpty()&&nums[deque.peekLast()]<nums[i]){
deque.removeLast();
}
deque.addLast(i);
//当满足滑动窗口大小后,每移动一次,去一个最大值放入数组中
if(i>=k-1){
res[index++]=nums[deque.peek()];
}
}
return res;
}
}
这一题只需要取前k个高频元素即可,非常适合用大小顶堆优先队列来解决,但是这里最好使用小顶堆,因为使用大顶堆,每次弹出的元素是根节点,是出现频次最大的元素。使用小顶堆的话,每次弹出的元素是出现频次最小的元素,将整个数组遍历完之后,小顶堆中留下的就是前k个高频元素。在Java中,优先队列PriorityQueue是使用二叉堆实现的,通常情况下是小顶堆。
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1,pair2)->pair1[1]-pair2[1]);
上述代码中((pair1,pair2)->pair1[1]-pair2[1])用来设置优先队列是大顶堆还是小顶堆,这里使用pair1[1]-pair2[1]两个元素相减,若结果为负数,则将第一个元素pair1放在前面,若为正数,则将第二个元素pair2放在前面,返回零时,两个元素顺序不变。这里设置的是小顶堆。
class Solution {
public int[] topKFrequent(int[] nums, int k) {
//使用小顶堆进行实现,Java中小顶堆用优先队列(其本质就是一个最小堆)实现
Map<Integer,Integer> map=new HashMap<>();
for(int i=0;i<nums.length;i++){
map.put(nums[i],map.getOrDefault(nums[i],0)+1);
}
//定义优先级队列,对map中前k个元素排序
PriorityQueue<int[]> pq=new PriorityQueue<>((pair1,pair2)->pair1[1]-pair2[1]);
for(Map.Entry<Integer,Integer> entry : map.entrySet()){
//如果pq中元素个数少于k个,直接添加
if(pq.size()<k){
pq.add(new int[]{entry.getKey(),entry.getValue()});
}else { //比较根节点和新加入元素的大小,若根节点小,直接弹出,加入新的
if(pq.peek()[1]<entry.getValue()){//这里比较的是元素出现频次
pq.poll();
pq.add(new int[]{entry.getKey(),entry.getValue()});
}
}
}
int[] res=new int[k];
for(int i=k-1;i>=0;i--){
res[i]=pq.poll()[0];//保存返回的是元素值,不是出现频次
}
return res;
}
}